增强AI识别需要帮助的学生的能力

研究人员设计了一种人工智能(AI)模型，该模型可以更好地预测教育游戏中学生的学习量。改进的模型利用了称为多任务学习的AI培训概念，可用于改善教学和学习成果。多任务学习是一种要求一个模型执行多个任务的方法。“在我们的案例中，我们希望该模型能够根据学生在玩名为Crystal Island的教育游戏时的行为来预测学生是否会正确回答测试中的每个问题，” Jonathan Rowe说。北卡罗莱纳州立大学教育信息学中心(CEI)的工作论文和研究科学家。

Rowe说：“解决此问题的标准方法仅着眼于整体考试成绩，将考试视为一项任务。” “在我们的多任务学习框架的背景下，该模型有17个任务-因为测试有17个问题。”

研究人员从181名学生那里获得了游戏玩法和测试数据。AI可以查看每个学生的游戏玩法以及每个学生如何回答测试中的问题1。通过识别正确回答问题1的学生的常见行为以及错误回答问题1的学生的常见行为，AI可以确定新学生如何回答问题1。

同时针对每个问题执行此功能;给定学生的游戏玩法是相同的，但AI会根据问题2，问题3等来查看该行为。

而且这种多任务方法产生了不同。研究人员发现，多任务模型的准确性比其他传统AI训练方法高出10%。

该论文的第一作者，北卡罗来纳州立大学的博士后研究员迈克尔·盖登说：“我们预想这种模型将以多种方式使学生受益。” “当学生的游戏玩法提示学生可能需要额外的指导时，它可以用于通知老师。它也可以用于促进游戏本身的自适应游戏玩法功能。例如，更改故事情节以重新审视学生的概念。挣扎着。

盖登说：“心理学早已认识到不同的问题具有不同的价值。” “我们在这里的工作采用跨学科方法，将心理学的这一方面与AI的深度学习和机器学习方法相结合。”

该论文和博士学位的合著者安德鲁·爱默生(Andrew Emerson)表示：“这也为将更复杂的建模技术纳入教育软件(特别是适应学生需求的教育软件)打开了一扇门。” 北卡罗来纳州立大学的学生。

论文“具有多任务学习的教育游戏中的预测性学生建模”将在2月7日至12日在纽约州纽约举行的第34届AAAI人工智能会议上发表。该论文由James Lester合着，杰出大学计算机科学教授，北卡罗来纳州立大学CEI主任;由中央佛罗里达大学的Roger Azevedo撰写。